基于双支撑相轮廓特征的步态识别系统研究与实现
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究背景及意义 | 第8页 |
| 1.2 发展现状 | 第8-9页 |
| 1.3 步态识别的主要过程 | 第9-10页 |
| 1.4 主要研究内容 | 第10-12页 |
| 1.4.1 运动目标检测 | 第10-11页 |
| 1.4.2 步态特征提取 | 第11页 |
| 1.4.3 步态识别 | 第11-12页 |
| 1.5 论文整体结构 | 第12-13页 |
| 第二章 步态视频预处理 | 第13-20页 |
| 2.1 运动分割方法概述 | 第13-16页 |
| 2.1.1 背景减除法 | 第13-14页 |
| 2.1.2 时间差分法 | 第14-15页 |
| 2.1.3 光流法 | 第15-16页 |
| 2.2 基于背景减除法的运动检测 | 第16-18页 |
| 2.3 Canny 边缘检测 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 步态特征提取 | 第20-25页 |
| 3.1 步态周期检测 | 第20-22页 |
| 3.1.1 步态时相 | 第20-21页 |
| 3.1.2 步态周期检测 | 第21-22页 |
| 3.3 霍夫变换检测腿部直线 | 第22-23页 |
| 3.4 步态特征提取 | 第23-24页 |
| 3.5 本章小结 | 第24-25页 |
| 第四章 基于隐马尔可夫模型的步态识别 | 第25-38页 |
| 4.1 隐马尔可夫模型基本原理 | 第25-27页 |
| 4.2 隐马尔可夫模型的基本问题 | 第27-37页 |
| 4.2.1 评估 | 第27-29页 |
| 4.2.2 解码 | 第29-32页 |
| 4.2.3 学习 | 第32-37页 |
| 4.3 步态特征向量分类识别 | 第37页 |
| 4.4 本章小结 | 第37-38页 |
| 第五章 步态识别系统的实现 | 第38-49页 |
| 5.1 OpenCV 简介 | 第38-39页 |
| 5.2 步态识别系统实现 | 第39-47页 |
| 5.2.1 步态视频预处理 | 第39-42页 |
| 5.2.2 步态特征提取 | 第42-44页 |
| 5.2.3 步态特征提取 | 第44-45页 |
| 5.2.4 基于隐马尔可夫模型的步态识别 | 第45-47页 |
| 5.3 本章小结 | 第47-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55页 |
